博客

下面是关于对pandas数据判断是否为NaN值的方法的详细攻略。

什么是NaN值

NaN，即Not a Number，是一种特殊的数值，表示数值不存在或者未知。在pandas数据中，经常需要将缺失值用NaN来表示。

pandas中判断是否为NaN值的方法

在pandas中，判断一个值是否为NaN值有多种方法，下面我们分别介绍。

方法一：isnull()

isnull()方法用于返回一个布尔型的对象，用来表示哪些值是缺失值NaN或者None。当某个值是NaN或者None时，返回True，否则返回False。

示例一：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'A': [1, 2, np.nan],
    'B': [np.nan, 4, 5],
    'C': ['a', 'b', 'c']
})
print(df.isnull())

结果：

       A      B      C
0  False   True  False
1  False  False  False
2   True  False  False

示例二：

假设我们有一个Series对象s，其元素分别为1，2和NaN。

s = pd.Series([1, 2, np.nan])
print(s.isnull())

结果：

0    False
1    False
2     True
dtype: bool

方法二：isna()

isna()方法和isnull()方法是等价的，均用于返回一个布尔型的对象，用来表示哪些值是缺失值NaN或者None。当某个值是NaN或者None时，返回True，否则返回False。

示例：

与isnull()方法类似，这里不再赘述。

方法三：notnull()

notnull()方法和isnull()方法正好相反，用于返回一个布尔型对象，表示哪些值不是缺失值NaN或者None。当某个值不是NaN或者None时，返回True，否则返回False。

示例：

与isnull()方法类似，这里不再赘述。